添加到图数据库-_search_graph_db函数实现

_search_graph_db函数的核心作用是：在图数据库中，根据输入的节点列表（文本），搜索与之相似的节点，并获取这些相似节点的所有入站关系（其他节点指向它）和出站关系（它指向其他节点），同时支持按条件过滤（如用户 ID、代理 ID 等）。

核心功能拆解：

1. 向量相似度匹配：将输入的文本节点（如 “苹果手机”）转换为向量，在图数据库中找到向量相似的节点（通过余弦相似度计算，过滤出相似度≥阈值的节点）。
2. 关系检索：对找到的相似节点，提取它们的所有 “出站关系”（如 “苹果手机→电子产品”）和 “入站关系”（如 “用户 123→购买了→苹果手机”）。
3. 条件过滤：通过filters参数（如user_id、agent_id）限制只查询特定范围的节点（例如只查用户 “user_001” 相关的节点）。

举例说明：

假设场景：一个电商知识图谱，图中节点标签为 “Product”（self.node_label = "Product"），节点有name（名称）、embedding（向量）、user_id（所属用户）等属性，关系包括 “属于”“在售卖”“购买了” 等。

输入参数：

• node_list = ["苹果手机"]（要搜索的节点文本）
• filters = {"user_id": "user_001"}（只查用户 “user_001” 相关的节点）
• limit = 100（最多返回 100 条关系）

函数执行过程：

1. 构建过滤条件